Data Secrets
Ir al canal en Telegram
Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
Mostrar más
Red:📈 Análisis del canal de Telegram Data Secrets
El canal Data Secrets (@data_secrets) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 94 664 suscriptores, ocupando la posición 1 304 en la categoría Tecnologías y Aplicaciones y el puesto 5 847 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 94 664 suscriptores.
Según los últimos datos del 06 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 1 503, y en las últimas 24 horas de -4, conservando un alto alcance.
- Estado de verificación: Verificado (confirmado oficialmente por Telegram)
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 23.61%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 17.56% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 332 visualizaciones. En el primer día suele acumular 16 614 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 284.
- Intereses temáticos: El contenido se centra en temas clave como claude, openai, контекст, стартап, llm.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Главный по машинному обучению
Сотрудничество: @veron_28
РКН: clck.ru/3FY3GN”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 07 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
94 664
Suscriptores
-424 horas
+3547 días
+1 50330 días
Archivo de publicaciones
94 654
Когда только собрался делать стартап, который продашь за 500M$+, но лимиты закончились через 3 запроса
94 654
+2Как выглядит рынок пользовательского ИИ
Один из крупнейших венчурных фондов США a16z выпустил новый рейтинг потребительских ИИ-продуктов. В него попадают как продукты, построенные вокруг ИИ, так и привычные сервисы, где ИИ стал центральной частью пользовательского опыта.
В список попали знакомые сервисы — CapCut, Adobe Lightroom и Microsoft Edge, а также приложения с Алисой AI, вошедшие в мобильный топ-15 по месячной активной аудитории. Яндекс — единственная российская компания, вошедшая в рейтинг, причем его продукты оказались выше DeepSeek, Grok и Perplexity.
Примерно половина американцев пользуются ИИ, четверть – каждый день. Но платят за него единицы: 1% самых щедрых юзеров дает 19,5% всех трат, больше, чем вся нижняя половина вместе (16,6%). Получается, что ИИ сейчас зарабатывает не на массовом пользователе, а на тех, кто покупает его как рабочий инструмент.
На то же самое указывает то, что рейтинг по выручке не похож на рейтинг по трафику. 29 из 50 сервисов в списке по расходам юзеров не попали ни в веб, ни в мобильный топ по аудитории. То есть во многом платящая аудитория и деньги крутятся вне самых посещаемых сервисов, и за ИИ, встроенный в конкретные продукты, люди готовы платить охотнее, чем за универсальные чат-боты.
Для тех, кто работает в IT, здесь полезна возможность сверить свою картину мира с массовым рынком. В профессиональной среде легко начать считать, что все выбирают ИИ по качеству кода, бенчмаркам и размеру контекстного окна. За её пределами знакомство с ИИ может начинаться с видеоредактора, браузера или поиска — без отдельного выбора модели. Если делаете ИИ-продукт, такой рейтинг помогает проверить, насколько привычки вашего круга похожи на привычки аудитории, для которой вы его строите.
94 654
H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
Архитектура JEPA Яна Лекуна теперь стала иерархической. Напоминаем, основная идея в том, чтобы сделать модель, которая не угадывает следующий токен или пиксель, а понимает, что происходит в мире и что случится дальше (подробнее тут: https://t.me/data_secrets/8915).
В новой работе получилось сделать следующий важный шаг: JEPA научили нормально планировать на длинном горизонте. На Visual AntMaze (виртуальная среда для тестирования роботов в пространстве) новый подход поднял долю успешных прохождений с 18% до 73%, а затраты на планирование при этом сократились.
За иерархической версией архитектуры стоит довольно простая идея. Вместо одной world model используются несколько уровней с разным временным масштабом. Верхний уровень думает далеко вперед и выбирает примерное направление, следующий превращает его в более конкретные подцели, а нижний уже решает, какие действия нужно сделать прямо сейчас.
При этом верхние уровни сами учатся отбрасывать мелкие детали, которые не нужны для долгосрочного планирования. Например, в лабиринте на верхних уровнях пропадает информация о точном положении ног, но остается понимание, где находится робот и как устроен маршрут.
https://alphaxiv.org/abs/2610.06805
94 654
+3Вышла Nano Banana 2.1
Google обновила свою модель для генерации изображений. На тестах Nano Banana 2.1 обходит предыдущие версии почти по всем основным сценариям, особенно в визуальном качестве, редактировании по маске и сохранении внешности персонажей.
Модель поддерживает генерацию в 4K. При этом цена заметно снизилась: $30 за 1 млн аутпут токенов против $120 у Nano Banana Pro.
https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/nano-banana-2-1
94 654
Мем дня: оказалось, Бен Аффлек неплохо разбирается в сверточных нейросетях.
Раньше у него была небольшая VFX-студия, где он много работал с GPU и ML-пайплайнами. Позже он основал AI-стартап InterPositive, который в итоге купил Netflix.
Получается, днем гоняем модели, ночью защищаем Готэм.
94 654
Kandinsky 6.0 Video — новая линейка моделей генерации видео со звуком
Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.
— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.
— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.
Веса моделей доступны на Hugging Face, код — на GitHub. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.
94 654
Ночью OpenAI выложили в открытый доступ 722 написанных ИИ статьи по математике
В каждой решается какая-то открытая математическая задача. Их сгенерировала внутренняя еще не выпущенная модель, и они сгруппированы в 372 семейства связанных работ по разделам математики.
В стартапе решили, что проверять модели на бенчмарках уже неинтересно, потому что они насытились, и вместо этого выдали агенту 4000 открытых исследовательских задач.
В среднем на один результат уходило около трех часов размышлений.
Самые значимые доказательства:
— Гипотеза Ходжа для CM-абелевых многообразий. Это частный случай гипотезы Ходжа из списка задач тысячелетия.
— Расширение зоны без нулей дзета-функции Римана до Re(s) > 11/12 (то есть доказано, что все нетривиальные нули оказываются в полосе 1/12 < Re(s) < 11/12). Это промежуточный результат для гипотезы Римана.
— Решение задачи факторов свободных групп. Задача была открыта с 40-х годов прошлого века, и доказательство закрывает один из старейших вопросов теории алгебр фон Неймана.
— Unique Games Conjecture. Это главный вопрос о пределах приближенных вычислений: для многих NP-трудных задач она утверждает, что лучшие известные алгоритмы уже оптимальны и улучшить их можно, только если P = NP. Доказательство закроет вопрос сразу для огромного класса задач.
https://github.com/openai/math
Комментарии излишни, это просто поразительно
94 654
На фоне жестких блокировок аккаунтов, сегодня в Claude появилась поддержка русского языка 🚬
94 654
Google выпустила мультимодальную EmbeddingGemma 2
Первая версия работала только с текстом, вторая построена на Gemma 4 и переводит в одно векторное пространство текст, код, изображения, видео и аудио. Так что на вход теперь можно подавать и смешанные данные.
Модель весит 740M параметров, но устроена модульно. Текстовая часть занимает 270M, а энкодеры изображений и аудио загружаются отдельно при необходимости. Контекст вырос до 8K токенов, это около 5,5 минут аудио или 29 картинок за раз.
На текстовых задачах качество осталось на уровне первой версии, а на коде заметно выросло. Google заявляет, что среди мультимодальных эмбеддеров до 1B параметров это лучший результат.
Веса открыты под Apache 2.0.
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
94 654
Яндекс открыл код YTsaurus Flow — с ним алгоритмы быстрее замечают, что интересы пользователей изменились
Технология обрабатывает клики, лайки и другие события сразу по мере их появления.
Немножко контекста. Чтобы рекомендации и реклама попадали в интересы человека, алгоритмам нужны свежие данные о его действиях: что он покупал, какую музыку слушал, о чем спрашивал. Обычно эти данные обрабатывают не сразу, их сначала накапливают, примерно как посылки для отправки поездом. Из-за этого информация поступает в систему с задержкой, которая может составлять часы. Flow сводит ее практически к нулю.
Что по технике:
— Каждое событие обрабатывается ровно один раз, без потерь и дублей.
— При сбоях технология продолжает работать, перераспределяя нагрузку между доступными серверами.
— Flow работает в рамках YTsaurus, поэтому накопленную и свежую информацию можно учитывать в одной системе.
В Яндексе Flow уже используют Маркет, антифрод и Реклама. В Рекламе он каждую секунду обрабатывает более 100 ГБ данных и миллионы событий. Подготовка данных для дообучения некоторых моделей раньше занимала больше 10 часов, а теперь эту задержку удалось почти полностью устранить.
Подойдет и за пределами рекламы: для подготовки данных для обучения ML-моделей, обновления информации на сайтах и в приложениях, подсчета просмотров, кликов и заказов. Выложили под Apache 2.0, а значит, использовать технологию можно и в коммерческих продуктах.
github.com/ytsaurus/ytsaurus/tree/main/yt/yt/flow
То есть Яндекс открыл не экспериментальную разработку, а технологию, которая уже успешно работает в его сервисах 💡
94 654
Voici Le Chonk, un modèle à 1 000 milliards de paramètres
Mistral представила новую флагманскую модель Large 4. Но официально внутри компании ее называют Le Chonk. Это отсылка к мему Le Chaton Fat, фейковой гигантской модели Mistral, которую несколько месяцев назад придумали в соцсетях.
Large 4 это крупненькая MoE на 1.05T параметров, 49B активных. Модель мультимодальная, поддерживает контекст до 1 млн токенов и уже доступна через API в режиме public preview.
По собственным тестам Mistral, это новая открытая SOTA по США и Европе. Отдельно выделяют кодинг, кибербезопасность и финансы, а в задачах на детекцию объектов на изображениях модель обходит даже некоторые закрытые фронтиры.
Обучали с нуля около двух месяцев на 4 000 Nvidia Grace Blackwell. Для модели такого размера это, кстати, довольно компактный кластер.
Веса обещают выпустить 27 октября.
https://mistral.ai/news/mistral-large-4/
94 654
Голосование в Рейтинге работодателей hh.ru открыто!
Год назад Авито вошёл в топ-3 лучших IT-работодателей России — и это результат работы нашей команды и вашей поддержки ❤️
Если считаете Авито сильным работодателем, проголосуйте за нас снова.
Как поддержать компанию:
➡️ Перейдите на hh.ru и авторизуйтесь в личном кабинете.
➡️ Найдите Авито в списке компаний и оставьте свой голос.
✔️ Проголосовать за Авито
Спасибо за поддержку!
#РейтингРаботодателейРоссии
94 654
Юра Борисов стал главным героем фильма про OpenAI
Artificial наконец показали на Нью-Йоркском кинофестивале, и первые отзывы очень сильные. Картину уже называют «Социальной сетью» про эпоху AI и лучшим фильмом Луки Гуаданьино за последние 10 лет.
Отдельно критики хвалят Юру Борисова в роли Ильи Суцкевера. Фильм вообще заметно сильнее сфокусирован на Илье, чем можно было ожидать: история начинается с его учебы у Джеффри Хинтона и дальше ведет через Google, создание OpenAI и конфликт с Сэмом Альтманом.
А после премьеры появилась еще одна важная деталь: Neon (дистрибьютор фильма) решила выдвигать Борисова на «Оскар» как лучшего актера в главной роли 🐘🐘🐘
94 654
Свежее сравнение лимитов подписок от SemiAnalysis
Считали только количество токенов по ценам API, без учета стоимости на задачу и сбросов лимитов.
Цифры получились такие:
- на тарифе за $200 лимита Fable 5.1 хватает на $2485 по ценам API, расходуя только половину лимита, а у OpenAI на Astra выходит $2897
– на моделях среднего уровня Opus 5.5 дает примерно в 5 раз больше API-эквивалента, чем GPT 6.1 Sol.
Общее настроение пользователей OpenAI, учитывая новые лимиты и скорость работы моделей: 😭
94 654
Агенты Claude Opus 5.5 обнаружили два новых полупроводника, которые могут послужить основой для следующего поколения памяти
Об этом объявили Vals AI: www.vals.ai/blogs/room-temperature-magnetic-semiconductors
Немножко контекста. У электрона есть спин, условно вверх или вниз. Он создает магнитный момент, и на нем можно хранить информацию. Так работают головки жестких дисков и память MRAM.
Для этого электроны нужно уметь сортировать по спину. Материалы под названием ферромагнетики делают это хорошо, но создают сильное поле, мешающее соседям, и переключаются медленно. У антиферромагнетиков поля нет и переключаются они в тысячу раз быстрее, но спины в них перемешаны, и прочитать их трудно.
Так что ученые ищут такие материалы, нулевое суммарное поле, но сортировка спинов, как у ферромагнетика. Такие материалы называют Luttinger-compensated, и они способны породить новое поколение памяти, которую можно будет упаковывать плотнее, и при этом обладающую хорошей скоростью.
Claude обнаружил два как раз таких материала.
Первый придуман с нуля, и, насколько удалось выяснить авторам, такое соединение никто не делал и не предлагал. Однако его может быть трудно синтезировать.
Второй из семейства берлинской лазури, синтезировали еще в 1999 году, и даже расчеты 2008 года уже показывали нужную спиновую сортировку, но никто не обратил на это внимания, пока агенты не распознали в нем LC-полупроводник.
Всего над задачей работали 90 агентов на протяжении 3 дней. Сейчас эксперименты продолжаются.
94 654
В субботу, 17 октября, Москва станет точкой притяжения для всех специалистов в области RecSys 🔥
Конференция AI Driver & RecSys — главное событие года для тех, кто создаёт, исследует и развивает рекомендательные системы.
🔝 Весь день ведущие эксперты индустрии из крупнейших IT-компаний проведут на площадке Сбера, чтобы обсудить:
— главные тренды и вызовы RecSys
— реальные кейсы и новейшие исследования
— передовые IT-решения для рекомендательных систем
Вы сможете сами пообщаться с теми, кто создает рекомендации для миллионов пользователей.
📍Офис Сбер, Москва, Кутузовский проспект, 32.
Участие бесплатное!
Количество мест для очного участия ограничено – успейте оставить заявку по ссылке ⚡️
94 654
+2ReflectionAI выпустили Beam – ту самую опенсорс модель, которая должна стать альтернативой китайским моделям
По метрикам Beam оказалась примерно на уровне GLM-5.2. При этом утверждается, что она в 3-4 раза эффективнее на инференсе, то есть экономит токены и выполняет задачи быстрее и дешевле (2 график).
По внутренностям:
— 501В параметров, 23В активных.
— Модель обучена с нуля. Предобучение шло месяц на 24Т токенов.
— Reflection провели самый крупный из задокументированных ранее RL ран: он шел 4 недели на 10.5к чипов GB300 (3 график). Чипы они, кстати, арендуют у Маска за $150 млн в месяц.
Веса обещают выпустить «скоро» под лицензией Apache 2.0.
reflection.ai/blog/introducing-beam
Полной замены китайского опенсорса пока не случилось, как видите. Но это первая модель стартапа, так что результаты все равно заметные.
94 654
Железа до конца 2027 года хватит на сотни миллионов ИИ-агентов
Epoch AI посчитали, сколько агентов смогут одновременно работать на чипах, выпущенных с 2025 по 2027 год. Получилось от 33 до 171 млн одновременно работающих агентов уровня фронтирных моделей.
В пересчете на обычную 40-часовую рабочую неделю это 140–720 млн сотрудников. А с более легкой моделью DeepSeek V4 Pro получится уже около 1,9 млрд агентов, или эквивалент 8 млрд сотрудников.
Главный вопрос, найдется ли для такого количества агентов достаточно работы. Час сейчас обходится примерно в $16–18 для Codex и $24–50 для Claude Code. Даже если загрузить только 20% рассчитанной мощности, это соответствует $2,6–5,3 трлн расходов в год по текущим API-ценам.
Для сравнения, даже при пятикратном ежегодном росте выручка разработчиков моделей к концу 2027 года составит около $1 трлн 💡
https://epoch.ai/publications/estimating-the-agent-population
94 654
ReflectionAI (стартап, который финансирует Nvidia) выпускают какую-то мощную открытую модель
Об этом написали Axios со ссылкой на анонимные источники.
ReflectionAI – это стартап Миши Ласкина и Иоаниса Антоноглу, который они основали два года назад. Оба выходцы из DeepMind. Ласкин руководил reward modeling в Gemini, Антоноглу – соавтор AlphaGo.
Сейчас они оцениваются примерно в $8 миллиардов, недавно привлекли $2 миллиарда, в том числе $800к от Nvidia. Сначала компания занималась RL-агентами для кода, потом переключилась на опенсорс для бизнеса.
Свою новую модель они позиционируют как мощную альтернативу DeepSeek, Zai и прочему китайскому опенсорсу. Интересно, что покажут.
